• 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧

【小白学PyTorch】5 torchvision预训练模型与数据集全览

开发技术 开发技术 4周前 (09-03) 41次浏览

文章来自:微信公众号【机器学习炼丹术】。一个ai专业研究生的个人学习分享公众号

文章目录:

目录
  • torchvision
    • 1 torchvision.datssets
    • 2 torchvision.models
    • 模型比较

torchvision

官网上的介绍(翻墙):The torchvision package consists of popular datasets, model architectures, and common image transformations for computer vision.

翻译过来就是:
torchvision包由流行的数据集、模型体系结构和通用的计算机视觉图像转换组成。简单地说就是常用数据集+常见模型+常见图像增强方法

这个torchvision中主要有包组成:

  • torchvision.datasets
  • torchvision.models
  • torchvision.transforms

1 torchvision.datssets

包含贼多的数据集,包含下面的:
【小白学PyTorch】5 torchvision预训练模型与数据集全览

官方说明了:All the datasets have almost similar API. They all have two common arguments: transform and target_transform to transform the input and target respectively.

翻译过来就是:每一个数据集的API都是基本相同的。他们都有两个相同的参数:transform和target_transform(后面细讲)

我们就用最经典最简单的MNIST手写数字数据集作为例子,先看这个的API:
【小白学PyTorch】5 torchvision预训练模型与数据集全览

包含5个参数

  • root:就是你想要保存MNIST数据集的位置,如果download是Flase的话,则会从目标位置读取数据集;
  • download:True的话就会自动从网上下载这个数据集,到root的位置;
  • train:True的话,数据集下载的是训练数据集;False的话则下载测试数据集(真方便,都不用自己划分了)
  • transform:这个是对图像进行处理的transform,比方说旋转平移缩放,输入的是PIL格式的图像(不是tensor矩阵);
  • target_transform:这个是对图像标签进行处理的函数(这个我没用过不太确定,也许是做标签平滑那种的处理?)

【下面用代码进一步理解】

import torchvision
mydataset = torchvision.datasets.MNIST(root='./',
                                      train=True,
                                      transform=None,
                                      target_transform=None,
                                      download=True)

运行结果如下,表示下载完毕(我不太确定这个下载数据集是否需要翻墙,我会把这次需要用的代码和数据集放到公众号,后台回复【torchvision】获取,下载出现问题请务必私戳我)
【小白学PyTorch】5 torchvision预训练模型与数据集全览

之后我们需要用到上一节课讲到的dataloader的内容:

from torch.utils.data import Dataset,DataLoader
myloader = DataLoader(dataset=mydataset,
                     batch_size=16)
for i,(data,label) in enumerate(myloader):
    print(data.shape)
    print(label.shape)
    break

这时候会抛出一个错误:
【小白学PyTorch】5 torchvision预训练模型与数据集全览

大致看一看,就是pytorch的这个dataloader不是可以把数据集分成batch嘛,这个dataloder只能把tensor或者numpy这样的组合成batch,而现在的数据集的格式是PIL格式。这里验证了之前说到的,transform这个输入是PIL格式的图片,解决方法是:transform不能是None,我们需要将PIL转化成tensor才可以

所以我们把上面的transform稍作修改:

mydataset = torchvision.datasets.MNIST(root='./',
                                      train=True,        
                                      transform=torchvision.transforms.ToTensor(),
                                      target_transform=None,
                              ![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/071a7b749c094d30b482c29f16f8ec08~tplv-k3u1fbpfcp-zoom-1.image)        download=True)

重新运行的时候可以得到结果:
【小白学PyTorch】5 torchvision预训练模型与数据集全览
结果中,16表示一个batch有16个样本,1表示这是单通道的灰度图片,28表示MNIST数据集图片是(28times 28)的大小,然后每一个图片有一个label。

想要获取其他的数据集也是一样的,不过这里就用MNIST作为举例,其他的相同。

2 torchvision.models

预训练模型中torchvision提供了很多种,大体分成下面四类:
【小白学PyTorch】5 torchvision预训练模型与数据集全览

分别是分类模型,语义模型,目标检测模型和视频分类模型。这里呢因为分类模型比较常见也比较基础,就主要介绍这个好啦。

在torch1.6.0版本中(应该是比较近的版本),主要包含下面的预训练模型:
【小白学PyTorch】5 torchvision预训练模型与数据集全览

构建模型可以通过下面的代码:

import torchvision.models as models
resnet18 = models.resnet18()
alexnet = models.alexnet()
vgg16 = models.vgg16()
squeezenet = models.squeezenet1_0()
densenet = models.densenet161()
inception = models.inception_v3()
googlenet = models.googlenet()
shufflenet = models.shufflenet_v2_x1_0()
mobilenet = models.mobilenet_v2()
resnext50_32x4d = models.resnext50_32x4d()
wide_resnet50_2 = models.wide_resnet50_2()
mnasnet = models.mnasnet1_0()

这样构建的模型的权重值是随机的,只有结构是保存的。想要获取预训练的模型,则需要设置参数pretrained:

import torchvision.models as models
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)
squeezenet = models.squeezenet1_0(pretrained=True)
vgg16 = models.vgg16(pretrained=True)
densenet = models.densenet161(pretrained=True)
inception = models.inception_v3(pretrained=True)
googlenet = models.googlenet(pretrained=True)
shufflenet = models.shufflenet_v2_x1_0(pretrained=True)
mobilenet = models.mobilenet_v2(pretrained=True)
resnext50_32x4d = models.resnext50_32x4d(pretrained=True)
wide_resnet50_2 = models.wide_resnet50_2(pretrained=True)
mnasnet = models.mnasnet1_0(pretrained=True)

我看官网的英文讲解,提到了一点:似乎这些模型的预训练数据集都是ImageNet的那个数据集,输入图片都是3通道的,并且要求输入图片的宽高不小于224像素,并且要求输入图片像素值的范围在0到1之间,然后做一个normalization标准化。

不知道各位在看一些案例的时候,有没有看到这个标准化:mean = [0.485, 0.456, 0.406]std = [0.229, 0.224, 0.225],这个应该是ImageNet的图片的标准化的参数

这些预训练的模型参数不确定能不能直接下载,我也就把这些模型存起来一并放在了公众号的后台,依然是回复【torchvision】获取。

得到了.pth文件之后使用torch.load来加载即可。

# torch.save(model, 'model.pth')
model = torch.load('model.pth')

模型比较

最后呢,torchvision官方提供了一个不同模型在Imagenet 1-crop 的一个错误率的比较。可以一起来看看到底哪个模型比较好使。这里我放了一些常见的模型。。像是Wide ResNet这种变种我就不放了。

网络 Top-1 error Top-5 error
AlexNet 43.45 20.91
VGG-11 30.98 11.37
VGG-13 30.07 10.75
VGG-16 28.41 9.62
VGG-19 27.62 9.12
VGG-13 with BN 28.45 9.63
VGG-19 with BN 25.76 8.15
Resnet-18 30.24 10.92
Resnet-34 26.70 8.58
Resnet-50 23.85 7.13
Resnet-101 22.63 6.44
Resnet-152 21.69 5.94
SqueezeNet 1.1 41.81 19.38
Densenet-161 22.35 6.2

整体来看,还是Resnet残差网络效果好。不过EfficientNet效果更好,不过Torchvision中没有预训练,在之后会讲解EfficientNet的预训练模型的代码方便使用(先挖坑)。


喜欢 (0)